OCR在PDF的x，y窗口中

Question

我需要找到一個開源或基於Linux的實用程序，它允許我在設置文件中設置x，y座標。然後，我想依次打開pdf文件，並在文件中查找姓氏和帳號，然後用包含姓氏和文件號的文件名保存文件。

Answer 1

您可能需要閱讀一些這些答案首先：

• A Java Library for text extraction from PDF documents preserving empty spaces and lines
• How to extract text from a PDF?
• How-to extract text from a pdf doc within a specific rectangular region?

以上的答案是不是Linux特有的。

大多數PDF文檔不需要被OCR化，因爲文本包含在PDF中。最困難的部分是提取英寸iText的Java版本（http://itextpdf.com/）可能是Linux下提取PDF文本字符串的最佳工具包。另一個選項可能是http://pdfbox.apache.org/

如果您需要提取的文本實際上是一個圖像，那麼您可能需要將整個PDF頁面轉換爲圖像格式（如TIFF），並將其傳遞到OCR引擎（如Google Tesseract OCR）。